用于准确预测骨盆脊柱参数的人工智能模型的开发与验证

目的。实现适当的骨盆脊柱对齐已被证明与临床症状的改善相关。然而，测量骨盆脊柱影像学参数耗时较长，且观察者间可靠性是一个问题。自动化测量工具有望实现快速且一致的测量，但现有工具仍受到一定程度的手动用户输入要求的限制。本研究提出了一种名为 SpinePose 的新型人工智能 (AI) 工具，该工具无需手动输入即可高精度地自动预测骨盆脊柱参数。方法。SpinePose 在 761 张矢状位全脊柱 X 光片上进行训练和验证，以预测矢状位垂直轴 (SVA)、骨盆倾斜角 (PT)、骨盆入射角 (PI)、骶骨倾斜角 (SS)、腰椎前凸角 (LL)、T1-骨盆角 (T1PA) 和 L1-骨盆角 (L1PA)。由 4 名评审员（包括接受过脊柱外科专科培训的脊柱外科医生和一名具有神经放射学亚专科认证的放射科医生）对另外 40 张 X 光片组成的独立测试集进行标注。计算相对于最资深评审员的中位误差，以确定模型在测试图像上的准确性。使用组内相关系数 (ICC) 评估评分者间可靠性。结果。SpinePose 表现出以下中位（四分位距）参数误差：SVA: 2.2(2.3)mm, p=0.93；PT: 1.3(1.2){\deg}, p=0.48；SS: 1.7(2.2){\deg}, p=0.64；PI: 2.2(2.1){\deg}, p=0.24；LL: 2.6(4.0){\deg}, p=0.89；T1PA: 1.1(0.9){\deg}, p=0.42；以及 L1PA: 1.4(1.6){\deg}, p=0.49。模型预测在所有参数上也表现出优异的可靠性 (ICC: 0.91-1.0)。结论。SpinePose 准确预测了骨盆脊柱参数，其优异的可靠性可与接受过专科培训的脊柱外科医生和神经放射科医生相媲美。在脊柱影像学中使用预测性 AI 工具可以极大地辅助患者选择和手术规划。